通过阿里云数据中台读懂消费者,香飘飘实现新客增长3.5倍

本文涉及的产品
阿里云百炼推荐规格 ADB PostgreSQL,4核16GB 100GB 1个月
简介: 从不同维度获取新客,成为香飘飘当下最主要的营销目标。从9月份开始,它就为此次双11进行营销蓄水,并通过与阿里云数据中台合作,形成一套全域数据中台解决方案,统一运营自身的全域消费者资产,最终在拉新上实现了3.5倍的增长。

今年双11,香飘飘和泸州老窖联合推出了限定款新品——轻酒精冲泡奶茶“桃醉双拼”,上架后不久,首批货就被年轻的消费者们抢购一空了。


这款新品只是香飘飘爆品策略中的一种。实际上,香飘飘早已在这两年的发展中,拓展出了多品牌战略,除了大家耳熟能详 “绕地球”的香飘飘系列产品,还推出了高端产品线“兰芳园”,以及针对Z时代的“Meco蜜谷”。


三个品牌面向不同的消费层级,因此,从不同维度获取新客,成为香飘飘当下最主要的营销目标。从9月份开始,它就为此次双11进行营销蓄水,并通过与阿里云数据中台合作,形成一套全域数据中台解决方案,统一运营自身的全域消费者资产,最终在拉新上实现了3.5倍的增长。

3B28DA68-C6FD-4ace-BDC9-1F44CD91CD0E.png

香飘飘布局数字化:从一杯一码到阿里云数据中台

“阿里云数据中台是我们积累品牌自有数据的原点。”香飘飘互联网事业部总经理ELSA认为,拉新的结果超出预期,这与公司整体布局数字化转型有着很大的关系。

实际上,借力阿里云数据中台,香飘飘运转数年的“一杯一码”项目,有了更大的价值。


所谓一杯一码,就是香飘飘产品杯身上独特的二维码,消费者扫码后有机会获得相应的奖励,如红包、代金券、实物等等。ELSA介绍说,这个项目的初衷,一方面是为了缩短传统模式与消费者的距离,另一方面则是出于营销的考虑,以权益的方式撬动消费者购买转化。


而通过阿里云数据中台,一杯一码的积累得以帮助香飘飘实现全域消费者资产的沉淀,形成一个完整的品牌消费者资产大图,并在后期能够进行精细化运营,精准洞察消费者需求并提供更为完善的服务。


香飘飘对于自身在云上建设数据平台的期望也很清晰,主要体现在三个方面——

首先,针对用户进行全生命周期的管理,“让品牌与消费者的短链接,变成长链接”;其次,优化营销策略,提升精准营销,尤其是拉新的效率;第三,通过阿里云数据中台,可以离用户更近,根据用户的需求,更好地研发新品。


拉升营销效率,实现3.5倍新客增长


在广告和营销投放上,香飘飘是个大胆的行家,在“广告一响,黄金万两”的媒介时代过去之后,它思考的是如何在碎片化、千人千面的信息环境中,不断提升营销效率。


这也是它当下应用阿里云数据中台最主要的场景之一。


此次双11,香飘飘以特约赞助商的身份亮相“天猫双11狂欢夜”(简称猫晚),除了参与到猫晚红包雨中,香飘飘还在“摇一摇一元购”环节投入海量香飘飘的新品盲盒,拉动新客进店。


而在阿里巴巴平台之外,香飘飘对外还进行了大量的营销投放。通过阿里云数据中台核心产品之一Quick Audience,香飘飘不仅能对抖音等阵地的内容营销进行相关效果回流,还能在此基础上进一步识别高潜人群进行二次营销,在整个双11期间,香飘飘通过阿里云数据中台联动阿里妈妈、生意参谋等产品,实现成交转化ROI提升3倍以上。


同时,尽管香飘飘的三个品牌是独立的,但消费者资产相对统一,对于跨品牌的消费者拉新和转化也能非常高效。  全盘的拉新布局,让香飘飘的营销效率拉升,也实现了3.5倍的新客获取。


香飘飘的战略级工程:数字化转型的组织保障

ELSA所在的互联网事业部,负责香飘飘的线上销售、互联网营销、用户运营及数据中台管理等工作,可以说是香飘飘整个数字化转型的中枢和先行部队,是集团里的战略化工程。


其中还有一个用户增长部门,它通过专案项目制的方式,以具体业务目标为驱动的同时,也在摸索一个能为整体集团所复用的用户增长闭环。


“理想的闭环就是,基于数据中台,我们根据消费者的需求研发新品,在电商平台试水销售、得到市场初步验证的产品,正式进入销售端,进入销售端后,又能够为经销商提供铺货等策略支持,同时,来自线上线下的消费者也能源源不断地在香飘飘自己的数据中台中沉淀下来。”


在ELSA的设想中,数字化不仅存在于营销这个关键环节,还与销售、供应链等环节贯穿,形成全新的组织协作形态和增长模式。


而数据中台在其中,除了帮助沉淀消费者资产之外,还能够通过打通多系统数据,将原本“只能看”的数据真正盘活起来,去赋能包括供应链、营销、销售甚至是售后的更多业务场景。


就像是一座引擎,为香飘飘提供源源不断地数字化转型动力。(内容来源于阿里云数据中台 作者数据中台君)

欢迎扫码加入阿里云新零售行业学习交流钉钉群

新零售.jpg

加入钉钉群可享有以下权益↓

新零售行业咨询.jpg


相关实践学习
阿里云百炼xAnalyticDB PostgreSQL构建AIGC应用
通过该实验体验在阿里云百炼中构建企业专属知识库构建及应用全流程。同时体验使用ADB-PG向量检索引擎提供专属安全存储,保障企业数据隐私安全。
AnalyticDB PostgreSQL 企业智能数据中台:一站式管理数据服务资产
企业在数据仓库之上可构建丰富的数据服务用以支持数据应用及业务场景;ADB PG推出全新企业智能数据平台,用以帮助用户一站式的管理企业数据服务资产,包括创建, 管理,探索, 监控等; 助力企业在现有平台之上快速构建起数据服务资产体系
目录
相关文章
|
7月前
|
关系型数据库 MySQL Apache
**ADB MySQL湖仓版能够平滑迁移到湖仓**,阿里云提供了相应的迁移工具和服务来简化这一过程。
**ADB MySQL湖仓版能够平滑迁移到湖仓**,阿里云提供了相应的迁移工具和服务来简化这一过程。
349 2
|
9天前
|
弹性计算 自然语言处理 数据库
通过阿里云Milvus和LangChain快速构建LLM问答系统
本文介绍如何通过整合阿里云Milvus、阿里云DashScope Embedding模型与阿里云PAI(EAS)模型服务,构建一个由LLM(大型语言模型)驱动的问题解答应用,并着重演示了如何搭建基于这些技术的RAG对话系统。
|
4月前
|
存储 监控 安全
阿里云数据库(ADB)的多租户秘籍:资源隔离的魔法如何施展?
【8月更文挑战第27天】多租户系统在云计算与大数据领域日益重要,它让不同用户或组织能在共享基础设施上独立运行应用和服务,同时确保资源隔离与安全。ADB(如阿里云数据库)通过资源组及标签实现高效多租户隔离。资源组作为一种软隔离策略,允许为不同租户分配独立的计算和存储资源,并设置资源上限;资源标签则支持更细粒度的硬隔离,可为每个数据库表或查询指定特定标签,确保资源有效分配。此外,ADB还提供了资源监控与告警功能,帮助管理员实时监控并调整资源分配,避免性能瓶颈。这种灵活且高效的资源隔离方案为多租户环境下的数据处理提供了强大支持。
200 0
|
7月前
|
弹性计算 自然语言处理 开发工具
通过阿里云 Milvus 和 LangChain 快速构建 LLM 问答系统
本文介绍如何通过整合阿里云Milvus、阿里云DashScope Embedding模型与阿里云PAI(EAS)模型服务,构建一个由LLM(大型语言模型)驱动的问题解答应用,并着重演示了如何搭建基于这些技术的RAG对话系统。
通过阿里云 Milvus 和 LangChain 快速构建 LLM 问答系统
|
存储 人工智能 关系型数据库
5倍性能提升,阿里云AnalyticDB PostgreSQL版新一代实时智能引擎重磅发布
2023 云栖大会上,AnalyticDB for PostgreSQL新一代实时智能引擎重磅发布,全自研计算和行列混存引擎较比开源Greenplum有5倍以上性能提升。AnalyticDB for PostgreSQL与通义大模型家族深度集成,推出一站式AIGC解决方案。阿里云新发布的行业模型及“百炼”平台,采用AnalyticDB for PostgreSQL作为内置向量检索引擎,性能较开源增强了2~5倍。大会上来自厦门国际银行、三七互娱等知名企业代表和瑶池数据库团队产品及技术资深专家们结合真实场景实践,深入分享了最新的技术进展和解析。
5倍性能提升,阿里云AnalyticDB PostgreSQL版新一代实时智能引擎重磅发布
|
7月前
|
开发工具 git
阿里云部署 ChatGLM2-6B 与 langchain+chatGLM
阿里云部署 ChatGLM2-6B 与 langchain+chatGLM
494 1
|
7月前
|
分布式计算 关系型数据库 MySQL
阿里云ADB MySQL X Intel联合推出训练营,参营完成任务即可获100元话费卡!
AnalyticDB MySQL和Intel联合推出基于ADB Spark的训练营,ADB新用户参营完成任务即可获得价值100元的话费卡权益包!下图可扫码参加,也可直接点击链接前往 https://edu.aliyun.com/trainingcamp/355118
阿里云ADB MySQL X Intel联合推出训练营,参营完成任务即可获100元话费卡!
|
人工智能 Cloud Native 关系型数据库
阿里云数据库国际峰会首度在印尼召开,AnalyticDB向量引擎支持定制AIGC应用
阿里云瑶池数据库面向海外市场正式升级云原生一站式数据管理与服务平台
|
存储 机器学习/深度学习 人工智能
基于 阿里云 ACK 搭建开源向量数据库 Milvus
生成式 AI(Generative AI)引爆了向量数据库(Vector Database)市场,基于大模型的各种应用场景会需要使用到向量数据库。 其中,Milvus 是一个高度灵活、可靠且速度极快的云原生开源向量数据库。它为 embedding 相似性搜索和 AI 应用程序提供支持,并努力使每个组织都可以访问向量数据库。 Milvus 可以存储、索引和管理由深度神经网络和其他机器学习(ML)模型生成的十亿级别以上的 embedding 向量。 本文介绍在阿里云ACK上部署Milvus并且通过attu访问的步骤。
3409 0
|
SQL 存储 DataWorks
《阿里云认证的解析与实战-数据仓库ACP认证》——云原生数据仓库AnalyticDB PostgreSQL版解析与实践(上)——一、产品概述
《阿里云认证的解析与实战-数据仓库ACP认证》——云原生数据仓库AnalyticDB PostgreSQL版解析与实践(上)——一、产品概述